import cv2

def nothing(x):
    pass

cv2.namedWindow('canny')

cv2.createTrackbar('maxVal','canny',0,255,nothing)
cv2.createTrackbar('minVal','canny',0,255,nothing)

img = cv2.imread('1.jpg',0)

while cv2.waitKey(1)!=27:
    
    maxVal = cv2.getTrackbarPos('maxVal','canny')
    minVal = cv2.getTrackbarPos('minVal','canny')
    
#    第一步是使用 5x5 的高斯滤波器去除噪声
#    第二步计算图像梯度：sobel
#    第三步非极大值抑制：
#    对整幅图像做一个扫描，去除那些非边界上的点
#    对每一个像素进行检查，看这个点的梯度是不是周围具有相同梯度方向的点中最大的
#    第四步滞后阈值
#    要确定那些边界才是真正的边界
#    这时我们需要设置两个阈值：minVal 和 maxVal
#    当图像的灰度梯度高于 maxVal 时被认为是真的边界，那些低于 minVal 的边界会被抛弃
#    如果介于两者之间的话，就要看这个点是否与某个被确定为真正的边界点相连
#    如果是就认为它也是边界点，如果不是就抛弃
    
#    第一个参数是输入图像
#    第二和第三个分别是 minVal 和 maxVal(minVal,maxVal谁大谁小结果一样)
#    第三个参数设置用来计算图像梯度的 Sobel
#    卷积核的大小，默认值为 3
#    最后一个参数是 L2gradient，用来设定求梯度大小的方程
    edge = cv2.Canny(img,minVal,maxVal)
    cv2.imshow('canny',edge)
cv2.destroyAllWindows()